基于激光诱导分解光谱和机器学习的污染土壤植物相互作用分析和土壤分类

科学领域:

• 环境科学 环境科学
• 农业科学 农业科学
• 分析化学 分析化学

背景情况:

• 土壤质量对人类福祉至关重要,重金属污染对生态和健康构成重大风险.
• 农作物可以通过土壤和水被重金属污染,影响食品安全.
• 需要有效的方法来检测土壤污染及其对作物的影响.

研究的目的:

• 开发和评估一种快速而精确的方法来检测土壤污染及其对大的影响.
• 分析污染土壤中种植的大中重金属的积累情况.
• 为了确定追踪受污染的的来源的可行性.

主要方法:

• 开发了一个结合激光诱导分解光谱 (LIBS) 与机器学习 (ML) 的系统.
• LIBS用于分析大及其种植土壤的重金属污染.
• 分析了光谱数据,以了解不同大部分的金属积累模式.

主要成果:

• 该研究证实,由于污染的土壤,大中存在大量的重金属积累.
• 光谱分析显示,大植物各个部位的金属积累差异.
• 对土壤样本的LIBS分析允许对土壤类型进行分类,表明原产地追踪潜力.

结论:

• 结合LIBS-ML系统有效地检测土壤污染及其对大的影响.
• 了解金属积累模式是有针对性的作物污染评估的关键.
• 通过残留土壤分析追踪受污染的的来源是可行的.